CPDiffusion
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab
- Tipo de Organización
- Academia,Academia,Academia,Academia
- País
- China, Australia, United Kingdom of Great Britain and Northern Ireland
- Publicado
- 10 September 2024
- Autores
- Bingxin Zhou, Lirong Zheng, Banghao Wu, Kai Yi, Bozitao Zhong, Yang Tan, Qian Liu, Pietro Liò, Liang Hong
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Biology
- Tarea
- Protein design
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 4M
- Datos de entrenamiento
- 6,207,900 tokens
CPDiffusion trains a denoising diffusion model with 4 million learnable parameters from natural protein structures.
CATH: 20,000 × 250 = 5,000,000 pAgo: 694 × 800 = 555,200 Total: 5,000,000 + 555,200 = 5,555,200 ≈ 5.6 × 10^6 datapoints
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
- Citas
- 1
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity
- Última actualización
- 28 November 2025
Qué significan los números
Acerca de este modelo
CPDiffusion fue publicado por Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab, en el país registrado como China, durante September 2024. Sale de una organización categorizada como academia,Academia,Academia,Academia.
Funciona en el dominio de Biology, y se registra como realizando la tarea de protein design.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Entrenamiento y procedencia
Fue entrenado en un corpus de aproximadamente 6,207,900 tokens de texto
Respuestas
CPDiffusion — preguntas comunes
CPDiffusion— ¿Para qué se utiliza?
Funciona en el dominio de Biology, y se registra como manejando la tarea de protein design. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
CPDiffusion— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
CPDiffusion— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
CPDiffusion— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 4M. CPDiffusion trains a denoising diffusion model with 4 million learnable parameters from natural protein structures. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
CPDiffusion— ¿Quién lo creó?
Fue publicado por Shanghai Jiao Tong University,University of New South Wales,University of Cambridge,Shanghai AI Lab, basado en China, una organización categorizada como academia,Academia,Academia,Academia.
CPDiffusion— ¿cuándo fue lanzado?
Se publicó en September 2024. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.